首頁內容關於
ReiY的沙龍
本文實測多款 AI 簡報生成工具，ChatGPT、Gamma、Gemini 與 Canva，在內容整理、設計呈現與風格保留上的差異。AI 雖然能快速生成簡報，但常會壓縮內容、弱化個人敘事，甚至補上原文沒有的資訊。整體來看，目前沒有單一工具能同時兼顧理解與設計，搭配使用不同工具，更能兼顧效率與品質。
一開始以為機器學習只是「迴歸、分類、聚類」三件事，
但學著學著才發現，有些東西怎麼放都對不起來😑
像是「時間序列」跟「降維」，根本就不該被放在同一個分類裡。
這篇文章整理了「任務類型」與「資料特性」的差別，
也順便把那些一直對不齊的概念，好好排回該在的位置。
在學 AI 或機器學習時，「迴歸、分類、聚類」看起來好像差不多，但其實完全不是同一件事。
這篇整理我在準備 iPAS 時最卡的一段，
用最直白的方式拆解：
迴歸是在猜數值，分類是在選答案，聚類則是連答案都沒有，要自己分出來。
如果你也有「每個字都懂但整句看不懂」的感覺，這篇會幫你釐清。
玩視覺小說遊戲的時候，你會不看攻略亂選，
還是直接查好結局一路精準過關？
或者，在一次次Bad End之後，慢慢學會怎麼選才不會出事？
在自學機器學習時，我發現這些遊戲中的進行方式，
其實正對應到三種不同的學習模式。
原來我們早就在用機器學習了，只是從來沒有這樣叫它而已。
從 機器學習）的限制出發，介紹深度學習如何透過多層神經網路，讓機器能夠自行從資料中學習特徵，而不再依賴人工定義；介紹深度學習的運作概念、AI「黑箱模型」的特性、 CNN、RNN、Transformer 等常見模型與應用。——AI，其實早已存在於我們的生活之中。
重新整理自己對人工智慧的理解。從圖靈測驗的定義出發，釐清 AI 的兩種發展路線：Symbolic AI 與 Data Driven AI還有Machine Learning、概念與學習方式，包含監督學習、非監督學習與強化學習，。
原本覺得AI概念都長得很像，看了很多圖還是有點混亂。後來試著自己重畫架構，才發現問題其實是不同層次被混在一起。這篇就是我從「好像懂了」到「比較能說清楚」的整理過程。
文組背景，三個月自學準備 AI 證照，並同時報考 iPAS AI 應用規劃師與生成式 AI 能力認證。
這篇記錄我的準備過程、學習方法與考試心得，
也分享文組如何建立 AI 知識架構，以及如何在 AI 時代找到自己的位置。
本文實測多款 AI 簡報生成工具，ChatGPT、Gamma、Gemini 與 Canva，在內容整理、設計呈現與風格保留上的差異。AI 雖然能快速生成簡報，但常會壓縮內容、弱化個人敘事，甚至補上原文沒有的資訊。整體來看，目前沒有單一工具能同時兼顧理解與設計，搭配使用不同工具，更能兼顧效率與品質。
一開始以為機器學習只是「迴歸、分類、聚類」三件事，
但學著學著才發現，有些東西怎麼放都對不起來😑
像是「時間序列」跟「降維」，根本就不該被放在同一個分類裡。
這篇文章整理了「任務類型」與「資料特性」的差別，
也順便把那些一直對不齊的概念，好好排回該在的位置。
在學 AI 或機器學習時，「迴歸、分類、聚類」看起來好像差不多，但其實完全不是同一件事。
這篇整理我在準備 iPAS 時最卡的一段，
用最直白的方式拆解：
迴歸是在猜數值，分類是在選答案，聚類則是連答案都沒有，要自己分出來。
如果你也有「每個字都懂但整句看不懂」的感覺，這篇會幫你釐清。
玩視覺小說遊戲的時候，你會不看攻略亂選，
還是直接查好結局一路精準過關？
或者，在一次次Bad End之後，慢慢學會怎麼選才不會出事？
在自學機器學習時，我發現這些遊戲中的進行方式，
其實正對應到三種不同的學習模式。
原來我們早就在用機器學習了，只是從來沒有這樣叫它而已。
從 機器學習）的限制出發，介紹深度學習如何透過多層神經網路，讓機器能夠自行從資料中學習特徵，而不再依賴人工定義；介紹深度學習的運作概念、AI「黑箱模型」的特性、 CNN、RNN、Transformer 等常見模型與應用。——AI，其實早已存在於我們的生活之中。
重新整理自己對人工智慧的理解。從圖靈測驗的定義出發，釐清 AI 的兩種發展路線：Symbolic AI 與 Data Driven AI還有Machine Learning、概念與學習方式，包含監督學習、非監督學習與強化學習，。
原本覺得AI概念都長得很像，看了很多圖還是有點混亂。後來試著自己重畫架構，才發現問題其實是不同層次被混在一起。這篇就是我從「好像懂了」到「比較能說清楚」的整理過程。
文組背景，三個月自學準備 AI 證照，並同時報考 iPAS AI 應用規劃師與生成式 AI 能力認證。
這篇記錄我的準備過程、學習方法與考試心得，
也分享文組如何建立 AI 知識架構，以及如何在 AI 時代找到自己的位置。
